1.1 對陰影的處理

基于閾值的分割，是在以某個閾值T，對圖像進行分割。分割時由于拍攝時圖像陰影處導致分割不理想，結果雖然達到理想預期。但是二值化后的結果以陰影部分外圍與圖像融合，導致再用findContours函數在尋找外圍邊框時，邊框發現是二值化陰影部分與圖像融合后的二值圖。為此為了得到相對準確的圖像邊緣需要專門對陰影做處理，處理完后以分水嶺算法對圖像進行分割。
此次分割還是以上次分割中不完美的榛子圖像為主，雖然還不完美。。。。。。。。主要還是針對陰影做處理，處理后分割出榛子完整的輪廓。
目標檢測- findContours drawContours 的學習
針對此次分割我們要對以陰影部分做處理，首先對陰影的部分可以用addWeighted來對圖像像素做加權處理，dst=src1*alpha+stc2*bete+gamma,通過gamma靜態權重，來調節亮度，以alpha中以做想法的權重來調節對比度(alpha>1,增強對比度)。

alpha=1.7 gamma=40 dst=cv2.addWeighted(img,alpha,img_copy,1-alpha,gamma)

目標檢測-cv2.addWeighted

增強后的圖像符合以人的視角，但在機器視覺中整體靠右部分榛子陰影整體增強，首先通過閾值的分割方法對圖像進行分割，得到圖像還是整體與陰影部分得到了結合。

1.2 分水嶺分割

幾個注意點說明一下：
距離變換確定前景，膨脹確定背景
distanceTransform中數據類型要轉換
connectedComponents背景標注為0，watershed背景標注是從1開始

1.3 分割繪制邊緣

增強后做相應的閾值處理
為了方便做對比，在閾值的選取cv2.THRESH_BINARY_INV（左） cv2.THRESH_BINARY+cv2.THRESH_OTSU(右)

右半部分陰影處還是對檢測效果有嚴重的影響，處理結果不理想，但在其他測試時對邊緣的分割明顯，對注水點的干擾過于嚴重，整體右半部分。其分水嶺分割前景和背景的選擇很關鍵，重點還是陰影的干擾過于強烈。

在無陰影的干擾下對，閾值分割跟分水嶺分割對比

_,thresh_img= cv2.threshold(img_median, 110, 255, cv2.THRESH_OTSU) watershed( InputArray image, InputOutputArray markers )

相同的二值化操作，閾值分割跟分水嶺分割的對比，前期分水嶺分割前期準備較多，距離變換，前景和背景確認，未知區域標記，注水點的獲取。

總結

以上是生活随笔為你收集整理的目标检测-分水岭分割与阈值分割对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。